臺北市各行政區家戶所得、支出與房價:探索分析篇

郭耀仁

2018-01-08

載入資料

資料連結

將資料載入

head(hh)
##   year district     hh labor_hh income_hh expense_hh_1 expense_hh_2
## 1  101   松山區  79229     1.35   1728993       363052      1061992
## 2  101   信義區  87400     1.50   1643281       301331       982926
## 3  101   大安區 118421     1.21   1818332       340185      1113472
## 4  101   中山區  94852     1.37   1528923       287170       965483
## 5  101   中正區  63449     1.14   1611679       274992       987505
## 6  101   大同區  49201     1.47   1373177       269219       891867
head(district_house_price_df)
##   year quarter      road_1                   road_2 road_width place_type
## 1  101      三 延平北路2段    延平北路2段1號至100號         16     臨街地
## 2  101      三   承德路3段    承德路3段101號至200號         40     路角地
## 3  101      三   承德路3段    承德路3段101號至200號         40     路角地
## 4  101      三   承德路3段    承德路3段101號至200號         40     路角地
## 5  101      三   承德路3段    承德路3段101號至200號         40     臨街地
## 6  101      三   承德路3段 承德路3段208巷1號至100號         11     臨街地
##   building_type    structure construction_year floor_1 floor_2
## 1      住宅大樓 鋼筋混凝土造              9809      15      15
## 2      住宅大樓 鋼筋混凝土造              9608       4      12
## 3      住宅大樓 鋼筋混凝土造              9608       3      12
## 4      住宅大樓 鋼筋混凝土造              9608       6      12
## 5          公寓 鋼筋混凝土造              6111       3       4
## 6      住宅大樓 鋼筋混凝土造              9605       5      11
##   location_type area_transfer house_transfer ttl_price price_per district
## 1        商業區          2.65          24.38      2120     86.96   大同區
## 2        商業區          1.17          12.63       638     50.51   大同區
## 3        商業區          1.17          12.63       620     49.09   大同區
## 4        商業區          1.98          21.88       988     45.16   大同區
## 5        商業區         12.55          37.50      1760     46.93   大同區
## 6        商業區          2.06          13.40       696     51.94   大同區

家戶所得資料

平均所得排行

## # A tibble: 12 x 2
##    district avg_income
##       <chr>      <dbl>
##  1   大安區    1881940
##  2   松山區    1718988
##  3   信義區    1639282
##  4   中正區    1636537
##  5   內湖區    1614290
##  6   士林區    1582343
##  7   北投區    1491120
##  8   文山區    1488390
##  9   中山區    1468947
## 10   大同區    1377881
## 11   南港區    1358127
## 12   萬華區    1284336

平均可支配所得排行

## # A tibble: 12 x 2
##    district avg_disposable_income
##       <chr>                 <dbl>
##  1   大安區              368929.8
##  2   中正區              342180.8
##  3   信義區              328257.2
##  4   松山區              315839.4
##  5   士林區              284198.2
##  6   內湖區              281973.8
##  7   北投區              281149.6
##  8   中山區              264363.2
##  9   南港區              262260.2
## 10   萬華區              252392.6
## 11   大同區              249795.2
## 12   文山區              247346.2

可支配所得的變化趨勢用多個線圖顯示

可支配所得變化趨勢用一個線圖顯示

(補充)使用 shiny 為上圖增加一個 checkbox 讓使用者選擇行政區

library(shiny)

ui <- fluidPage(
  titlePanel("行政區家戶所得變動趨勢"),
  sidebarPanel(
    checkboxGroupInput("districts", "Choose districts:",
    choiceNames = unique(disposable_income$district),
    choiceValues = unique(disposable_income$district),
    selected = list("大同區")
    )
  ),
  mainPanel(
    plotlyOutput("trendPlot")
  )
)

server <- function(input, output) {
  filtered_df <- reactive(
    disposable_income %>%
      filter(district %in% input$districts)
  )
  a <- list(
    showticklabels = TRUE,
    dtick = 1,
    title = ""
  )
  output$trendPlot <- renderPlotly({
    filtered_df() %>%
      plot_ly(x = ~western_year, y = ~disposable_income, type = 'scatter', mode = 'lines', color = ~district) %>%
      layout(xaxis = a)
  })
}

shinyApp(ui, server)

房價資料

平均每坪單價排行

## # A tibble: 12 x 2
##    district avg_price_per
##       <chr>         <dbl>
##  1   大安區      82.16021
##  2   信義區      69.03309
##  3   中正區      66.33535
##  4   松山區      65.89661
##  5   中山區      52.17915
##  6   士林區      47.86554
##  7   大同區      47.42488
##  8   南港區      47.31355
##  9   內湖區      44.75836
## 10   文山區      39.87396
## 11   萬華區      38.08835
## 12   北投區      37.64281

整併資料

2012 年各行政區的家戶可支配所得平均每坪單價散佈圖

請在上圖中加入圓點大小來表示行政區的戶數(hh

利用 ggplotly() 將上圖轉換為具有 plotly 效果的氣泡圖